AI Agent

Agentic Persona Control and Task State Tracking for Realistic User Simulation in Interactive Scenarios

代理人格控制与任务状态跟踪用于交互场景中逼真用户模拟

Hareeshwar Karthikeyan

机构 * Toast Inc.（Toast公司） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；multi-agent(abstract)

AI总结 本文提出了一种多代理框架，通过人格控制和任务状态跟踪模拟逼真用户交互，实验表明其在任务完成和真实性方面优于单LLM基线。

Comments - Accepted to 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA) - Paper contains 12 pages with 3 figures and 3 tables

AgentSM: Semantic Memory for Agentic Text-to-SQL

AgentSM: 语义记忆用于代理文本到SQL

Asim Biswal, Chuan Lei, Xiao Qin, Aodong Li, Balakrishnan Narayanaswamy, Tim Kraska

机构 * Amazon Web Services（亚马逊网络服务） ； University of California, Berkeley（加州大学伯克利分校） ； Oracle Corporation（甲骨文公司） ； Snowflake Inc.（Snowflake公司） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG

AI总结 AgentSM通过构建可解释的语义记忆，提升文本到SQL任务的效率和准确性，减少令牌使用和轨迹长度，达到更高执行精度。

TeleMem: Building Long-Term and Multimodal Memory for Agentic AI

TeleMem: 构建面向代理AI的长期和多模态记忆

Chunliang Chen, Ming Guan, Xiao Lin, Jiaxu Li, Luxi Lin, Qiyi Wang, Xiangyu Chen, Jixiang Luo, Changzhi Sun, Dell Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） 纠错

专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI、cs.CL

AI总结 TeleMem通过统一的长期和多模态记忆系统，提升代理AI在长对话和多模态任务中的表现，实现更高的准确率、更低的令牌使用和更快的操作速度。

Integrating Language Models for Enhanced Network State Monitoring in DRL-Based SFC Provisioning

在基于深度强化学习的SFC配置中整合语言模型以增强网络状态监控

Parisa Fard Moshiri, Murat Arda Onsu, Poonam Lohan, Burak Kantarci, Emil Janulewicz

机构 * University of Ottawa（渥太华大学） ； Ciena（Ciena公司） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出将深度强化学习与BERT结合，以提升基于DRL的SFC配置中网络状态监控的效率和准确性。

Comments 6 pages, 5 figures, submitted to 30th IEEE International Symposium on Computers and Communications (ISCC) 2025

Quantum-HPC hybrid computation of biomolecular excited-state energies

量子-高性能计算混合计算用于生物分子激发态能量

Kentaro Yamamoto, Riku Masui, Takahito Nakajima, Miwako Tsuji, Mitsuhisa Sato, Peter Schow, Lukas Heidemann, Matthew Burke, Philipp Seitz, Oliver J. Backhouse, Juan W. Pedersen, John Children, Craig Holliman, Nathan Lysne, Daichi Okuno, Seyon Sivarajah, David Muñoz Ramo, Alex Chernoguzov, Ross Duncan

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本研究提出了一种量子-高性能计算混合计算方法，用于准确模拟生物分子激发态能量，结合超级计算机与量子计算机实现复杂反应的高效模拟。

Comments 7 pages, 5 figures

Simulation of a generalized asset exchange model with investment and income mechanisms

带有投资和收入机制的广义资产交换模型模拟

Jan Tobochnik, Harvey Gould, William Klein

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一个包含投资和收入机制的经济模型，通过模拟发现现实财富分布及非平衡行为特征。

Comments 22 pages, 12 figures

Initial Error Tolerant Distributed Mean Field Control under Partial and Discrete Information

初始误差容忍的分布式均场控制（部分和离散信息下)

Yuxin Jin, Haotian Wang, Wang Yao, Xiao Zhang

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种在部分和离散信息下，能够容忍初始误差的分布式均场控制方法，通过最大似然估计实现分布式误差估计，并展示了状态估计的一致性性质。